克拉默法则 是线性代数 中用于求解系数矩阵的行列式 非零的方形线性方程组 的公式。每个未知数都表示为一个比值:分母是系数矩阵的行列式,分子是将系数矩阵中对应的列替换为右端向量后所得矩阵的行列式。该法则以瑞士数学家加布里埃尔·克拉默命名,他于1750年发表了这一法则。它适用于理论论证、符号计算和小规模方程组,但对于大规模数值问题,通常优先采用其他方法。
法则表述 考虑一个含有 n n n 个未知数、n n n 个线性方程的方程组,将其写成矩阵 形式:
A x = b , A\mathbf{x}=\mathbf{b}, A x = b ,
其中,A = ( a i j ) A=(a_{ij}) A = ( a ij ) 是一个 n × n n\times n n × n 矩阵,x = ( x 1 , … , x n ) T \mathbf{x}=(x_1,\ldots,x_n)^{\mathsf T} x = ( x 1 , … , x n ) T 是未知向量,b \mathbf{b} b 是给定的右端向量。
矩阵和向量的元素可以取自任意域(数学) ,包括实数 域或复数 域。假设
det ( A ) ≠ 0. \det(A)\ne 0. det ( A ) = 0.
对于每个 i i i ,将 A A A 的第 i i i 列替换为 b \mathbf{b} b ,其余各列保持不变,所得矩阵记为 A i A_i A i 。则该方程组有唯一解,且
x i = det ( A i ) det ( A ) , i = 1 , … , n . \boxed{x_i=\frac{\det(A_i)}{\det(A)},\qquad i=1,\ldots,n.} x i = det ( A ) det ( A i ) , i = 1 , … , n .
替换的必须是与所求未知数对应的列。对于写成 A x = b A\mathbf{x}=\mathbf{b} A x = b 的方程组,如果改为替换某一行,通常无法得到所需的公式。
二元情形的公式与示例 对于方程组
a x + b y = e , c x + d y = f , \begin{aligned} ax+by&=e,\\ cx+dy&=f, \end{aligned} a x + b y c x + d y = e , = f ,
其系数行列式为
D = ∣ a b c d ∣ = a d − b c . D= \begin{vmatrix} a&b\\ c&d \end{vmatrix} =ad-bc. D = a c b d = a d − b c .
若 D ≠ 0 D\ne0 D = 0 ,由克拉默法则可得
x = ∣ e b f d ∣ D = e d − b f a d − b c , y = ∣ a e c f ∣ D = a f − e c a d − b c . x= \frac{ \begin{vmatrix} e&b\\ f&d \end{vmatrix} }{D} =\frac{ed-bf}{ad-bc}, \qquad y= \frac{ \begin{vmatrix} a&e\\ c&f \end{vmatrix} }{D} =\frac{af-ec}{ad-bc}. x = D e f b d = a d − b c e d − b f , y = D a c e f = a d − b c a f − ec .
例如,考虑
2 x + y = 5 , x − y = 1. \begin{aligned} 2x+y&=5,\\ x-y&=1. \end{aligned} 2 x + y x − y = 5 , = 1.
这里
D = ∣ 2 1 1 − 1 ∣ = − 3. D= \begin{vmatrix} 2&1\\ 1&-1 \end{vmatrix} =-3. D = 2 1 1 − 1 = − 3.
替换相应列后得到的行列式为
D x = ∣ 5 1 1 − 1 ∣ = − 6 , D y = ∣ 2 5 1 1 ∣ = − 3. D_x= \begin{vmatrix} 5&1\\ 1&-1 \end{vmatrix} =-6, \qquad D_y= \begin{vmatrix} 2&5\\ 1&1 \end{vmatrix} =-3. D x = 5 1 1 − 1 = − 6 , D y = 2 1 5 1 = − 3.
因此,
x = 2 , y = 1. x=2,\qquad y=1. x = 2 , y = 1.
利用多重线性性的证明 将 A A A 的各列记为 a 1 , … , a n \mathbf{a}_1,\ldots,\mathbf{a}_n a 1 , … , a n 。方程 A x = b A\mathbf{x}=\mathbf{b} A x = b 意味着 b \mathbf{b} b 是如下线性组合 :
b = ∑ j = 1 n x j a j . \mathbf{b}=\sum_{j=1}^{n}x_j\mathbf{a}_j. b = j = 1 ∑ n x j a j .
行列式是关于各列的多重线性映射 ,因此
det ( A i ) = det ( a 1 , … , b , … , a n ) = ∑ j = 1 n x j det ( a 1 , … , a j , … , a n ) , \begin{aligned} \det(A_i) &=\det(\mathbf{a}_1,\ldots,\mathbf{b},\ldots,\mathbf{a}_n)\\ &=\sum_{j=1}^{n} x_j\det(\mathbf{a}_1,\ldots,\mathbf{a}_j,\ldots,\mathbf{a}_n), \end{aligned} det ( A i ) = det ( a 1 , … , b , … , a n ) = j = 1 ∑ n x j det ( a 1 , … , a j , … , a n ) ,
其中,每个求和项中显式写出的 a j \mathbf{a}_j a j 位于第 i i i 列,其余各列仍处于原来的位置。
当 j ≠ i j\ne i j = i 时,该求和项中的行列式有两列相同,因此为零。于是只剩下 j = i j=i j = i 这一项:
det ( A i ) = x i det ( A ) . \det(A_i)=x_i\det(A). det ( A i ) = x i det ( A ) .
两边除以非零的系数行列式,即得克拉默公式。
行列式非零与逆矩阵 存在等价,由此可知解存在且唯一。上述论证进而确定了这个解的每个坐标。
几何解释 当 det ( A ) ≠ 0 \det(A)\ne0 det ( A ) = 0 时,A A A 的各列构成坐标向量空间 的一组基(线性代数) 。求解 A x = b A\mathbf{x}=\mathbf{b} A x = b ,就是求 b \mathbf{b} b 在这组基下的坐标。
在实数范围内,行列式在二维中表示有向面积,在三维中表示有向体积,在更高维中则表示相应的量。将 a i \mathbf{a}_i a i 替换为 b \mathbf{b} b ,会使这一有向体积变为原来的 x i x_i x i 倍。因此
x i = oriented volume with column i replaced by b original oriented volume . x_i= \frac{\text{oriented volume with column }i\text{ replaced by }\mathbf{b}} {\text{original oriented volume}}. x i = original oriented volume oriented volume with column i replaced by b .
有向性至关重要:如果只使用体积的绝对值,就会丢失坐标的正负号。
奇异方程组 当 det ( A ) = 0 \det(A)=0 det ( A ) = 0 时,通常形式的克拉默法则不再适用,因为其分母为零。在实数或复数范围内,这样的方形方程组要么无解,要么有无穷多个解。
只要解存在,未作除法的恒等式
det ( A i ) = x i det ( A ) \det(A_i)=x_i\det(A) det ( A i ) = x i det ( A )
就仍然成立。因此,如果 det ( A ) = 0 \det(A)=0 det ( A ) = 0 ,但至少有一个 det ( A i ) ≠ 0 \det(A_i)\ne0 det ( A i ) = 0 ,那么该方程组不相容,即无解。
反过来则不成立:如果系数行列式和所有替换列后得到的行列式都为零,并不能保证方程组相容。例如,
A = ( 1 0 0 0 0 0 0 0 0 ) , b = ( 0 1 0 ) . A= \begin{pmatrix} 1&0&0\\ 0&0&0\\ 0&0&0 \end{pmatrix}, \qquad \mathbf{b}= \begin{pmatrix} 0\\ 1\\ 0 \end{pmatrix}. A = 1 0 0 0 0 0 0 0 0 , b = 0 1 0 .
替换任意一列后得到的行列式都为零,但第二个方程却是 0 = 1 0=1 0 = 1 。
一般的相容性判据使用矩阵的秩 :
rank ( A ) = rank ( [ A ∣ b ] ) , \operatorname{rank}(A)=\operatorname{rank}([A\mid\mathbf{b}]), rank ( A ) = rank ([ A ∣ b ]) ,
其中,[ A ∣ b ] [A\mid\mathbf{b}] [ A ∣ b ] 是增广矩阵。当此等式成立时,解唯一的充要条件是两者共同的秩等于未知数的个数。
计算成本与数值表现 克拉默法则给出了显式公式,但这并不意味着它是一种高效的通用算法。
直接展开计算每个行列式时,计算量按阶乘增长。如果采用消元法,分别独立计算 n + 1 n+1 n + 1 个行列式,则总计算成本可降至 O ( n 4 ) O(n^4) O ( n 4 ) 次算术运算,这里采用的是大O记号 。相比之下,常规的高斯消元法 或LU分解 只需 O ( n 3 ) O(n^3) O ( n 3 ) 次运算即可求解稠密的方形方程组。
这些成本描述的是特定实现方式,而不是行列式恒等式本身所固有、无法避免的复杂度。复用计算结果可以减少运算量,但标准数值求解方法通常直接求解,而不是分别计算各个行列式之比。
在浮点运算 中,单独计算的行列式可能发生上溢、下溢,或因相减抵消而损失精度。再将它们相除,可能进一步放大数值误差。计算的数值稳定性 取决于具体实现,并非仅由公式决定。
方程组本身对扰动的敏感程度是另一个问题,由其条件数 描述。仅凭行列式很小,并不能断定方程组是病态的,因为行列式的大小强烈依赖于尺度。例如,对于非零实数 ε \varepsilon ε ,矩阵 A = ε I A=\varepsilon I A = ε I 的行列式为 ε n \varepsilon^n ε n ,但其在欧几里得范数下的条件数为 1 1 1 。
应用与历史背景 当需要明确表示解对系数的依赖关系时,克拉默法则尤其有用。如果 A A A 和 b \mathbf{b} b 的各元素都是参数的多项式,那么在所有满足 det ( A ) ≠ 0 \det(A)\ne0 det ( A ) = 0 的参数取值处,该公式都将解的每个坐标表示为两个多项式 之比。因此,它可用于符号代数,也可用于确定方程组在哪些参数取值处不再具有唯一解。
对于元素均为整数 的可逆矩阵和整数右端向量,该法则表明,解的每个坐标都是有理数。如果 det ( A ) = 1 \det(A)=1 det ( A ) = 1 或 − 1 -1 − 1 ,则解的每个坐标都是整数。
克拉默在1750年的著作《代数曲线分析导论》(Introduction à l’analyse des lignes courbes algébriques )中,结合由给定条件确定代数曲线的问题,提出了这一法则的一般形式。更早也出现过相关的基于行列式的公式,其中包括科林·麦克劳林于1748年身后出版的《代数学论》(A Treatise of Algebra )中的公式。现代的矩阵形式比这些早期表述更为简洁。